本研究提出了一种新模型REDSLDS，增强了传统rSLDS模型中持续时间变量的应用。通过Pólya-gamma增强的推断与学习方案，该模型在三个基准数据集上显示出显著的分割能力。

该研究提出了一种高效的网络结构，通过从训练充分的医学图像分割网络中提炼知识来训练另一个轻量级网络，从而提高了分割能力。实验结果显示，轻量级网络性能提高了32.6％，并在LiTS17和KiTS19两个公共CT数据集上进行了验证。